[논문 리뷰] Spatial statistics and attentional dynamics in scene viewing

Ralf Engbert, Hans A. Trukenbrod외 2명|arXiv (Cornell University)|2014. 05. 13.

Point processes and geometric inequalities참고 문헌 34인용 수 6

한 줄 요약

이 논문은 자연적 풍경 시각화에서 시선 위치의 분포와 그들의 미세한 공간적 군집을 예측하기 위해 공간적으로 제한된 주의 접근과 누출 메모리(leaky memory)를 통합한 운동 모델을 제안한다. 이 모델은 정적 자극지도보다 활성화 동역학과 시간적 통합을 통해 재고정 패턴을 포착함으로써 우수한 성능을 보이며, 공간적 군집이 주의 범위의 확산 대비 느린 활성화 축적에 기인한다는 것을 드러낸다.

ABSTRACT

In humans and in foveated animals visual acuity is highly concentrated at the center of gaze, so that choosing where to look next is an important example of online, rapid decision making. Computational neuroscientists have developed biologically-inspired models of visual attention, termed saliency maps, which successfully predict where people fixate on average. Using point process theory for spatial statistics, we show that scanpaths contain, however, important statistical structure, such as spatial clustering on top of distributions of gaze positions. Here we develop a dynamical model of saccadic selection that accurately predicts the distribution of gaze positions as well as spatial clustering along individual scanpaths. Our model relies on, first, activation dynamics via spatially- limited (foveated) access to saliency information, and, second, a leaky memory process controlling the re-inspection of target regions. This theoretical framework models a form of context-dependent decision-making, linking neural dynamics of attention to behavioral gaze data.

연구 동기 및 목표

• 자연적 풍경 인식에서 시선 분포와 스캔패스의 공간적 군집을 모두 설명하는 생물학적으로 타당한 운동 선택 모델을 개발하기 위해.
• 시각운동 및 인지적 제약으로 인해 상호의존적인 시선 고정을 포착하지 못하는 정적 자극지도의 한계를 해결하기 위해.
• 공간적 점과정통계와 신경 동역학을 융합하여 능동적 시각에서 맥락 의존적 주의 결정을 모델링하기 위해.
• 공간적 군집이 순수 자극성에 기반한 선택이 아니라 활성화 동역학과 기억 메커니즘에 의해 설명될 수 있는지 테스트하기 위해.
• 신경 수준의 주의 동역학과 자연적 풍경 인식에서 행동적 눈동자 추적 데이터를 연결하는 이론적 프레임워크를 제공하기 위해.

제안 방법

• 눈동자 추적 데이터에서의 시선 고정의 이차 공간 통계를 분석하기 위해 점과정이론(point process theory)을 적용하였으며, 주로 쌍상관함수(pair correlation functions)에 초점을 맞췄다.
• 중심시각 주의에 기반한 가우시안 독출 메커니즘(σ ≈ 4.9°)을 갖춘 동역학 모델을 구현하여, 망막 중심부의 제한된 인지 범위를 모방하였다.
• 빠른 작용 주의지도(σ ≈ 2.2°)와 누출 통합을 통해 기억 효과를 모델링하는 더디 작용하는 고정지도로 구성된 이중지도 체계를 도입하였다.
• Carandini 및 Heeger(2011)의 정규화 기법을 사용하여 활성화를 정규화함으로써 고자극 영역을 향한 운동 계획을 유도하면서도 공간적 군집을 유지하였다.
• 고정 확률과 운동 길이 분포가 상호독립적이라는 가정을 둔 통계적 근본 모델(null models)과 모델 예측치를 비교하였다.
• 고정 지속 시간을 사전 정의된 분포에서 무작위로 추출하여 스캔패스를 시뮬레이션하였으며, 현재 모델에서는 시간적 동역학과 공간적 동역학을 분리하였다.

실험 결과

연구 질문

• RQ1 자연적 풍경 시각화에서 시선 고정의 공간적 상관관계—특히 미세한 군집—은 표준 자극지도 모델의 가정을 어떻게 도전하는가?
• RQ2 스캔패스에서의 공간적 군집은 순수 자극성에 기반한 선택이 아니라 활성화 동역학과 기억 메커니즘에 의해 어느 정도 설명될 수 있는가?
• RQ3 중심시각 시각 처리의 제한된 공간 범위가 운동 선택 패턴을 어떻게 형성하는가?
• RQ4 중심시각 접근과 누출 통합을 조합한 동역학 모델이 고정 분포와 공간 군집을 모두 정확히 재현할 수 있는가?
• RQ5 주의지도와 고정지도에서의 활성화 축적에 대한 상대적 시간 스케일이 현재 시선 위치 근처의 재고정 가능성에 어떤 영향을 미치는가?

주요 결과

• 자연적 풍경 시각화에서의 시선 고정은 상당한 미세한 공간적 군집(약 ~4° 이내)을 보이며, 이는 정적 자극지도나 독립적 고정 모델로는 설명할 수 없다.
• 중심시각 접근(Gaussian 독출, σ ≈ 4.9°)과 누출 기억을 갖춘 모델은 관측된 쌍상관함수를 정확히 재현하며, 특히 현재 시선 위치 근처의 재고정 확률이 높다는 점을 잘 반영한다.
• 빠른 주의지도(σ ≈ 2.2°)와 시간 통합 기능을 갖춘 더디 작용하는 고정지도의 조합은 시스템이 이동하기 전에 가까운 영역을 재방문할 수 있도록 하여 군집 동역학을 설명한다.
• 고정 확률과 운동 길이가 상호독립적이라는 가정을 둔 통계적 근본 모델은 관측된 공간 군집을 재현하지 못하였으며, 이는 시선 위치 간의 상호의존성이 무작위가 아님을 시사한다.
• 모델 성능은 자극지도의 실측 고정 밀도를 자극성의 대체 지표로 사용하더라도 뛰어나게 유지되며, 이는 시선 패턴의 공간적 구조가 계산 모델에 있어 핵심 제약 조건임을 시사한다.
• 결과는 반복 억제(inhibition-of-return)만으로는 시선 패턴을 설명하기 부족하며, 실제 스캔패스를 모델링하기 위해서는 능동적이고 기억에 영향을 받는 주의 동역학이 필수적임을 시사한다.